论文部分内容阅读
近年来,无人机行业的快速发展,无人机因其轻便灵活、成本低廉和安全可控的优点,在各行各业呈现出广阔的应用前景。目前,市面上出现的无人机普遍采用人工遥控,人们的双手还没有彻底地解放出来。脑机接口(Brain Computer Interface,BCI)作为一种新兴技术,能够实现脑与外部设备的交互。稳态视觉诱发电位(Stable State Visual Evoked Potential,SSVEP)是非侵入式BCI的一类实验范式,因其较高的识别准确率和稳定的特征模式得到广泛的关注和研究。将BCI与无人机结合,从而实现仅依靠操作者“自主意识”操控的无人机,能够加速脑控装备的实际应用,进一步拓展无人机的实用范围,并为特定群体和特殊任务提供更大的便利。此外,在目前的无人机开发中,各厂商大都使用自行研制的无人机平台,遵循的标准和规范各不相同,增加了移植难度,并导致开发者重复开发相同的功能,浪费了大量的时间和精力。而机器人操作系统(Robot Operating System,ROS)作为一种通用的机器人架构,极大程度上改善可移植性、代码复用等问题,它支持多语言编程,运行和编译与平台无关,使用简单方便。为此,本文结合BCI技术和ROS系统实现了一套模块化、可移植、高度集成的脑控无人机系统。本方案不仅解决了无人机功能模块扩展和系统可移植性问题,而且实现了人类脑电波信号对无人机的实时飞行控制。本论文的主要工作如下:1、分析了传统无人机开发过程中存在的问题,提出了基于ROS系统和脑电开发的实现方案,给出了无人机系统的整体框架。对无人机飞行原理、动力模型以及ROS系统框架做了充分的研究,为脑控无人机开发奠定了基础。2、结合ROS系统完成M100机上系统的设计,对M100无人机进行功能模块开发,设计了无人机控制指令和程序,实现了对无人机的远程控制。详细地介绍了机上系统开发的整体流程,给出了无人机指令的设计和控制程序开发的具体细节,采用C10X模块实现远程通信,测试结果表明,无线模块可以正确发送指令和接收反馈信息。模拟飞行试验表明,搭载ROS系统的无人机可以正常地收发指令,并作出即时响应。3、运用SSVEP-BCI完成脑控无人机系统的搭建。首先设计SSVEP的刺激范式;其次,研究了典型性相关分析(Canonical Correlation Analysis,CCA)和滤波器组典型相关分析(Filter Bank Canonical Correlation Analysis,FBCCA)两种算法并做出了实现;然后,比较CCA和FBCCA在不同时间窗下的离线实验的准确率。实验结果表明,随着时间窗的增加,两种方法的准确率均有增加;在相同时间窗下,FBCCA识别准确率高于CCA。因此选择FBCCA作为脑控无人机的信号解析算法,取1.5s的时间窗进行在线实验,结果表明FBCCA平均识别准确率能达到90%以上,FBCCA算法在准确率上完全可以胜任无人机的控制任务。本文将无人机和脑电技术融合,成功地应用到无人机控制系统,在军事领域有着重大的科研和应用意义。